論文の概要: LenslessFace: An End-to-End Optimized Lensless System for Privacy-Preserving Face Verification
- arxiv url: http://arxiv.org/abs/2406.04129v1
- Date: Thu, 6 Jun 2024 14:50:15 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-07 14:30:04.834304
- Title: LenslessFace: An End-to-End Optimized Lensless System for Privacy-Preserving Face Verification
- Title（参考訳）: LenslessFace: プライバシー保護顔認証のためのエンド・ツー・エンド最適化レンズレスシステム
- Authors: Xin Cai, Hailong Zhang, Chenchen Wang, Wentao Liu, Jinwei Gu, Tianfan Xue,
- Abstract要約: レンズレスカメラは光を直接センサーにエンコードし、すぐに認識できない画像を生成する。
本稿では、符号化レンズレスキャプチャー上で直接、プライバシー保護顔認証のためのエンドツーエンド最適化手法を提案する。
- 参考スコア（独自算出の注目度）: 20.13507070548287
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Lensless cameras, innovatively replacing traditional lenses for ultra-thin, flat optics, encode light directly onto sensors, producing images that are not immediately recognizable. This compact, lightweight, and cost-effective imaging solution offers inherent privacy advantages, making it attractive for privacy-sensitive applications like face verification. Typical lensless face verification adopts a two-stage process of reconstruction followed by verification, incurring privacy risks from reconstructed faces and high computational costs. This paper presents an end-to-end optimization approach for privacy-preserving face verification directly on encoded lensless captures, ensuring that the entire software pipeline remains encoded with no visible faces as intermediate results. To achieve this, we propose several techniques to address unique challenges from the lensless setup which precludes traditional face detection and alignment. Specifically, we propose a face center alignment scheme, an augmentation curriculum to build robustness against variations, and a knowledge distillation method to smooth optimization and enhance performance. Evaluations under both simulation and real environment demonstrate our method outperforms two-stage lensless verification while enhancing privacy and efficiency. Project website: \url{lenslessface.github.io}.
- Abstract（参考訳）: レンズレスカメラは、従来のレンズを超薄型で平らな光学系に置き換え、光を直接センサーにエンコードし、すぐには認識できない画像を生成する。
このコンパクトで軽量で費用対効果の高いイメージングソリューションは、固有のプライバシー上のアドバンテージを提供し、顔認証のようなプライバシーに敏感なアプリケーションには魅力がある。
典型的なレンズレス顔認証は、2段階の再構成プロセスを採用し、その後に検証を行い、再構成された顔からのプライバシーリスクと高い計算コストを発生させる。
本稿では、レンズレスキャプチャーで直接プライバシー保護顔認証を行うためのエンドツーエンドの最適化手法を提案する。
これを実現するために,従来の顔検出・アライメントを阻害するレンズレスセットアップから,ユニークな課題に対処する手法をいくつか提案する。
具体的には,フェースセンターアライメント方式,変動に対するロバスト性を構築するための拡張カリキュラム,最適化と性能向上のための知識蒸留手法を提案する。
シミュレーションと実環境の両方で評価した結果,2段階のレンズレス検証より優れ,プライバシーと効率が向上した。
プロジェクトウェブサイト: \url{lenslessface.github.io}
関連論文リスト
- Privacy-preserving Optics for Enhancing Protection in Face De-identification [60.110274007388135]
この脆弱性を解決するために,ハードウェアレベルの顔識別手法を提案する。
また、プライバシ保存画像、フェイスヒートマップ、およびパブリックデータセットからの参照顔イメージを入力として、新しい顔を生成する匿名化フレームワークを提案する。
論文 参考訳（メタデータ） (2024-03-31T19:28:04Z) - Exploring Decision-based Black-box Attacks on Face Forgery Detection [53.181920529225906]
顔の偽造生成技術は鮮明な顔を生み出し、セキュリティとプライバシーに対する世間の懸念を高めている。
顔偽造検出は偽の顔の識別に成功しているが、最近の研究では顔偽造検出は敵の例に対して非常に脆弱であることが示されている。
論文 参考訳（メタデータ） (2023-10-18T14:49:54Z) - Attribute-preserving Face Dataset Anonymization via Latent Code
Optimization [64.4569739006591]
本稿では,事前学習したGANの潜時空間における画像の潜時表現を直接最適化するタスク非依存匿名化手法を提案する。
我々は一連の実験を通して、我々の手法が画像の同一性を匿名化できる一方で、顔の属性をより保存できることを実証した。
論文 参考訳（メタデータ） (2023-03-20T17:34:05Z) - DisCO: Portrait Distortion Correction with Perspective-Aware 3D GANs [24.483597004603812]
近距離で撮影されたクローズアップ顔画像は、しばしば視点歪みに悩まされる。
本研究では,1つのクローズアップ面における視点歪みを補正する簡易かつ効果的な方法を提案する。
論文 参考訳（メタデータ） (2023-02-23T18:59:56Z) - Privacy-Enhancing Optical Embeddings for Lensless Classification [17.169529483306103]
私たちは、低価格のLCDとRaspberry Piコンポーネントからプロトタイプを作り、合計で約100USDのコストで開発しています。
提案手法は, 変動マスクパターンを用いて, システムに逆らおうとする敵を阻止する方法を示す。
論文 参考訳（メタデータ） (2022-11-23T11:12:21Z) - Learning rich optical embeddings for privacy-preserving lensless image
classification [17.169529483306103]
我々は、光学系をエンコーダとしてキャストするユニークな多重化特性を利用して、カメラセンサーに直接学習した埋め込みを生成する。
画像分類の文脈では、エンコーダのパラメータと画像分類器のパラメータをエンドツーエンドで共同で最適化する。
我々の実験は、レンズレス光エンコーダとデジタル処理を共同で学習することで、センサーに低解像度の埋め込みが可能であることを示し、その結果、これらの測定から有意義な画像の復元がはるかに困難であることから、プライバシーが向上することを示している。
論文 参考訳（メタデータ） (2022-06-03T07:38:09Z) - OPOM: Customized Invisible Cloak towards Face Privacy Protection [58.07786010689529]
我々は、新しいタイプのカスタマイズクロークに基づく技術の観点から、顔のプライバシ保護について検討する。
本研究では,個人固有の(クラスワイドな)ユニバーサルマスクを生成するために,1人1マスク(OPOM)という新しい手法を提案する。
提案手法の有効性を,共通データセットと有名データセットの両方で評価した。
論文 参考訳（メタデータ） (2022-05-24T11:29:37Z) - Universal and Flexible Optical Aberration Correction Using Deep-Prior
Based Deconvolution [51.274657266928315]
そこで本研究では,収差画像とpsfマップを入力とし,レンズ固有深層プリエントを組み込んだ潜在高品質版を生成する,psf対応プラグイン・アンド・プレイ深層ネットワークを提案する。
具体的には、多彩なレンズの集合からベースモデルを事前訓練し、パラメータを迅速に精製して特定のレンズに適応させる。
論文 参考訳（メタデータ） (2021-04-07T12:00:38Z) - Intelligent Frame Selection as a Privacy-Friendlier Alternative to Face
Recognition [5.313209107051178]
本研究は,大規模顔認識に代わるプライバシフレンドリーな代替手法を提案する。
すべてのビデオデータで顔認識ソフトウェアを実行する代わりに、検出された各人の高品質なスナップショットを自動的に抽出する。
このスナップショットは暗号化され、アクセスは法的承認後のみ許可される。
論文 参考訳（メタデータ） (2021-01-19T09:31:42Z) - Do We Need Depth in State-Of-The-Art Face Authentication? [8.755493949976492]
本研究では,顔表面や深度マップを明示的に計算することなく,ステレオカメラシステムから顔を認識する新しい手法を提案する。
原顔ステレオ画像は、顔が抽出された画像の位置とともに、提案したCNNが認識タスクを改善することができる。
提案手法は,大規模ベンチマークにおいて,単一画像と明示的深度に基づく手法の両方に優れることを示した。
論文 参考訳（メタデータ） (2020-03-24T14:51:25Z) - Face Anti-Spoofing by Learning Polarization Cues in a Real-World
Scenario [50.36920272392624]
顔の偽造は生体認証アプリケーションにおけるセキュリティ侵害を防ぐ鍵となる。
RGBと赤外線画像を用いたディープラーニング手法は,新たな攻撃に対する大量のトレーニングデータを必要とする。
本研究では,実顔の偏光画像の物理的特徴を自動的に学習することにより,現実のシナリオにおける顔のアンチ・スプーフィング手法を提案する。
論文 参考訳（メタデータ） (2020-03-18T03:04:03Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。